BadSkill：通过技能内模型投毒对 Agent 技能进行后门攻击

随着 Agent 生态系统日益依赖可安装技能扩展功能，部分技能将学习到的模型工件捆绑于执行逻辑中，引发了未被传统提示注入覆盖的供应链风险。本文提出 BadSkill，一种针对“技能内模型”威胁面的后门攻击方法。攻击者发布看似无害的技能，其嵌入模型经后门微调，仅在特定语义触发条件下激活恶意负载。实验表明，该攻击在多种架构下成功率高达 99.5%，揭示了携带模型的技能作为独特供应链风险的严重性，呼吁加强第三方技能工件的来源验证与行为审查。